金融计量学

出版时间：2008-7  出版社：东北财经大学出版社  作者：张成思  页数：251  
Tag标签：无  

前言

　　金融学是社会科学中最具有魅力的学科之一，因为无论是微观层面的公司金融(corporate finance)，还是宏观层面的货币金融、国际金融等，都与人们的经济生活紧密相关。而随着现代金融学科的快速发展，尤其是以威廉?夏普(William Sharpe)、默顿?米勒(Merton Miller)、哈里?马科维茨(Harry Markowitz)以及罗伯特?默顿(Robert Merton)在布莱克—斯科尔斯(Black-Scholes)期权定价公式方面的不懈研究，以及罗伯特．恩格尔(Robert Engle)和克莱夫?格兰杰(Clive Grangerl)在研究金融资产收益波动性(volatility)聚类现象的时序分析方面的贡献，使得金融计量方法不断推陈出新，而现代金融学的教学和研究也日益突出计量分析的重要地位。　　金融计量学(Financial Econometrics)正是在这个大的背景下发展起来的。从名称不难看出，金融计量学实质上是运用经济计量方法研究金融领域的相关问题。在金融计量学发展的早期，尤其是20世纪90年代之前，金融计量学一般被划归为计量经济学的一个分支。然而，随着金融学的独立发展和学科体系的日益完善，用来研究金融学的现代计量方法，在20世纪90年代之后也随之出现了一番波澜壮阔的发展景象，特别是金融时间序列分析方法在金融领域得到了广泛的应用和发展。　　近年来，随着中国的金融学科的快速发展和学科体系的逐步成熟，现代金融计量方法也越来越多地被用来分析现实中的金融问题。当前，“金融计量学”等相关课程也逐渐成为国内许多高校为金融学、经济学、工商管理以及财政学等相关专业的本科生和研究生开设的专业必修课。

内容概要

金融学是社会科学中最具有魅力的学科之一，因为无论是微观层面的公司金融，还是宏观层面的货币金融、国际金融等，都与人们的经济生活紧密相关。20世纪90年代之后金融时间序列分析方法在金融领域也得到了广泛的应用和发展。 所以选择合适的教材就成为教师教学和学生学习的一个关键环节。本教材内容涵盖金融计量的主要分析方法，同时强调理论与实际应用相结合，并且应用的实际例子大部分以中国的经济金融数据为主，并包括非线性金寸间序列分析方法等金融计量前沿知识。同时在编写过程中，把涉及到的比较繁难内容以简单浅显的语言形式和容易理解的图表形式解读出来，并且结合金融计量软件讲解一些具体数据处理和回归操作过程，形式新颖，期望使读者阅而不烦。 本书适合用作金融学、经济学和工商管理等专业的研究生或高年级本科生教材，对于有计量经济学基础或者正在学习计量经济学基础课程的学生，本书不失为一本很好的学用书。另外，对于具有一定金融学或经济学基础的从业人员和科研工作者，本书也可以作为一本案头参考书。

作者简介

张成思，中国人民大学财政金融学院副教授。
    英国曼彻斯特大学经济学博士，英国皇家经济学会成员，中国财政金融政策研究中心研究员，中国人民大学财政金融学院金融学—数学双学位实验班项目负责人，国家外汇管理局和世界银行受邀专家，JMCB、Manchester School等多个

书籍目录

第1章  金融计量学介绍　导读  　1.1  金融时间序列的定义与实例　1.2  金融时间序列分析中的基本概念　1.3  金融计量软件介绍　练习1  　本章参考文献第2章  差分方程、滞后运算与动态模型　导读　2.1  一阶差分方程　2.2  动态乘数与脉冲响应函数　2.3  高阶差分方程　2.4  滞后算子与滞后运算法　练习2　本章参考文献第3章  平稳金融时间序列：AR模型　导读　3.1  基本概念　3.2  一阶自回归模型（AR（1）process）　3.3  二阶自回归模型（AR（2）process）　3.4  p阶自回归模型（AR（p）process）　练习3 　本章参考文献第4章  平稳金融时间序列：ARMA模型　导读　4.1  移动平均过程（MA Process）　4.2  自回归移动平均过程（ARMA Process）　4.3  部分自相关函数（Partil Autocorrelation Function）　4.4  样本自相关与部分自相关函数　4.5  自相关性检验　4.6  ARMA模型的实证分析及应用　4.7  实例应用：中国CPI通胀率的AR模型　练习4  　本章参考文献第5章  非平稳金融时间序列　导读　5.1  确定性趋势模型　5.2  随机性趋势模型　5.3  去除趋势的方法　练习5  　本章参考文献第6章  单位根检验法　导读　6.1  DF单位根检验法　6.2  ADF单位根检验法　6.3  其他单位根检验法　6.4  各种单位根检验法的应用　练习6　本章参考文献第7章  向量自回归（VAR）模型　导读　7.1  向量自回归（VAR）模型介绍　7.2  VAR模型的估计与相关检验　7.3  格兰杰因果关系　7.4  向量自回归（VAR）模型与脉冲响应分析　7.5  VAR模型与方差分解　练习7　本章参考文献第8章  结构向量自回归（SVAR）模型　导读　8.1  结构向量自回归（SVAR）模型的基本介绍　8.2  SVAR模型的基本识别方法　8.3  SVAR模型的三种类型　8.4  SVAR模型的估计方法总结　8.5  SVAR与缩减VAR模型的脉冲响应及方差分解比较　练习8　本章参考文献第9章  协整与误差修正模型　导读　9.1  协整与误差修正模型的基本定义　9.2  Engle-Granger协整分析方法　9.3  向量ADF模型与协整分析　9.4  向量误差修正模型（VECM）　9.5  确定性趋势与协整分析　9.6  Johansen协整分析方法　9.7  VECM的估计与统计推断　9.8  Johansen协整分析方法的应用　练习9　本章参考文献第10章  金融计量中的条件异方差模型　导读　10.1  背景介绍　10.2  ARCH模型　10.3  GARCH模型　10.4  非对称GARCH模型　10.5  其他GARCH模型　练习10　本章参考文献第11章  非线性金融时间序列模型　导读　11.1  非线性时间序列模型背景介绍　11.2  马尔可夫区制转移模型　11.3  门限模型　练习11　本章参考文献附录A1  矩阵代数与经典线性回归模型　导读　A1.1  矩阵代数　A1.2  经典线性回归模型的基本假设　A1.3  经典线性回归模型的普通最小二乘估计　练习12附录A2  统计表

章节摘录

　　第1章　金融计量学介绍　　导读　　作为开篇介绍，本章主要介绍金融计量学的背景知识，为后续从事实证金融计量分析奠定基础。有人认为：“金融计量学研究的就是时间序列的资产价格评估理论与实践。”这种诠释金融计量学的角度只能说涵盖了该学科领域的部分内容。事实上，金融计量学涵盖的内容要远比这种描述丰富得多。例如，现代金融计量学家所面临的问题不仅仅是资本资产定价模型（CAPM）的应用，也涉及到更广泛的金融风险计量计算、股价波动性问题分析、汇率决定机制的计量分析，以及通货膨胀动态路径的预测分析等。　　因此，本书的内容没有局限在资本资产定价模型或者行为金融领域常用的事件分析方法上面，而是以金融时间序列分析为主线，介绍金融领域常用的一维和多维计量模型。本书不仅介绍现代金融计量方法中的理论模型，比如随机游走模型、金融时序波动模型和协整模型等，而且更注重理论模型的实际应用讲解。这样，我们希望本书能为金融学、经济学专业的学生和金融领域的研究人员提供理解并从事金融计量分析的必要技术背景。　　虽然本书对资本资产定价模型和事件分析等金融市场计量模型也有所涉及，但重点放在相关理论的金融时间序列分析方法和应用上面，而关于CAPM的理论内容以及事件研究的非金融时间序列分析方法，建议读者参阅坎贝尔等人（1997）的专著《金融市场计量经济学》，以便最大化读者的读书、获知的效用，也避免资源的浪费。　　为给读者以更好的启发，本章的第1小节将简要介绍金融时间序列的基本概念，初步识别金融时序变量的图示特征；第2小节介绍金融计量学中常用的概念和相关统计学知识。在本章的最后一个小节，我们简单介绍了常用的金融计量软件，WinRATs，Matlab以及SAS等，并详细介绍了现代金融时序分析领域最为流行的软件之一EViews 5.0以上版本的使用方法。　　1.1　金融时间序列的定义与实例　　广义地讲，将某种金融随机变量按出现时间的先后顺序排列起来称为金融时间序列。从现实世界的角度看，金融时间序列就是指在一定时期内按时间先后顺序排列的金融随机变量。如果我们暂时不去深究这里提到的“随机”概念（随机变量的概念将在下一小节中阐述），并假定变量的排序总是按时间先后排列的，那么金融时间序列最显著的特征就是其与“时间”紧密相联。一般来说，金融时间序列变量，有时也简称为金融时序变量，由两个明显的要素组成，即时间跨度和序列的频率。